论文部分内容阅读
芝麻品质的快速无损检测是保证芝麻收购、储藏过程中按质定价的重要技术手段,为研究芝麻品质的近红外光谱快速检测方法,本课题收集了来自全国各地(主要集中于中原地区)的白芝麻66种,黑芝麻62种,选取水分、灰分、蛋白质、粗脂肪和芝麻素等品质指标进行测定分析,并利用近红外谷物分析仪在570nm~1100nm范围内对芝麻整粒光谱进行采集,结合品质指标的化学测定值,对影响模型结果的条件:光谱散射处理、数学处理参数和回归技术进行考察,选取最优的建模条件参数,建立芝麻品质的定量检测模型。分别选用None、Inverse MSC、None、Detrend only、Standard MSC去散射方式,采用“2,4,4,1”、“3,10,10,1”、“1,4,4,1”、“4,3,3,1”、“3,4,4,1”数学处理方法,运用Modified PLS回归技术建立白芝麻水分、灰分、蛋白质、粗脂肪和芝麻素近红外预测模型,定标相关系数(RSQ)分别为0.9964、0.9124、0.9786、0.9949、0.8808;通过模型内部交叉检验和外部验证,交叉验证相关系数(1-VR)分别为0.9381、0.9095、0.9447、0.9759、0.8788,验证相关系数R~2分别为0.942、0.920、0.968、0.973、0.834,五个指标的相对标准偏差RSD均小于10%,水分、蛋白质和粗脂肪相对分析误差RPD均大于3,灰分RPD大于2.5而小于3,芝麻素RPD小于2.5。分别选用Detrend only、Weight MSC、Detrend only、SNV+Detrend、Detrend only去散射方式,采用“2,3,3,1”、“3,10,10,1”、“1,3,3,1”、“2,3,3,1”、“3,1,1,1”数学处理方法,运用Modified PLS回归技术(粗脂肪选用PLS回归技术)处理黑芝麻近红外光谱图,建立水分、灰分、蛋白质、粗脂肪和芝麻素定标模型。RSQ分别为0.9304、0.8935、0.9166、0.9703、0.8758;通过模型内部交叉检验和外部验证,1-VR分别为0.9068、0.8861、0.9043、0.9221、0.8306,验证相关系数R~2分别为0.902、0.879、0.913、0.917、0.714,五个指标的RSD除芝麻素定标相对标准偏差大于10%外。其余都小于10%,水分、蛋白质和粗脂肪相对分析误差RPD均大于3,灰分RPD大于2.5而小于3,芝麻素RPD小于2.5。进过模型内部交叉验证和外部检验,白芝麻和黑芝麻灰分模型精度较差,只能用于粗略检测;芝麻素模型由于相关系数较低,相对标准差较大,相对分析误差小于2.5,不能用于定量检测;其余成分的各项决定系数较高,各项误差小,因此定标效果均较好,都达到了实用程度,可以进行快速预测。近红外光谱检测技术可以作为测定芝麻水分、蛋白质、粗脂肪含量的一种方法,应用于芝麻品质快速、无损检测的研究。